Xu ら: 生成AIが「遊びの芯」になるゲームとは — Fukai が読む AIネイティブゲーム調査

一段落要約

生成AI(文章や画像などを自動でつくる仕組み)をゲームに使う例は増えたが、「たくさん生成できること」と「遊びとして面白いこと」は別物だ。本論文は、生成AIがゲームの中核ループ(プレイの繰り返しの芯)そのものになっているゲームを「AIネイティブゲーム」と呼び、実在する53本を集めて分類する。著者たちの判定基準は「そのAIを外したら遊びが成立しなくなるか」という反実仮想(もし〜だったらを問う考え方)だ。集められた作品は物語系に偏り、ルールを裁くような使い方はまだ薄い。私がこの記事一本で伝えたいのは、生成AIを遊びに変える鍵は「自由な意味の生成」を「動かない骨組み」の上に載せることだ、という論文の主張である。

はじめに

今日私が紙に印刷して赤ペンを引いたのは、Zhiyue Xu、Fandi Meng、Kaijie Xu、Clark Verbrugge、Simon Lucas、Jian Zhao の6名による『AI Native Games: A Survey and Roadmap』だ。arXiv に2026年7月1日に投稿されたばかりの調査論文(サーベイ、分野を見渡して整理する種類の論文)で、査読前のプレプリント(peer-review を経ていない投稿段階の原稿)である点は最初に断っておく。まだ被引用もほとんどなく、広く議論される前の段階だ。

なぜ今日これを選んだか。生成AIをゲームに使う話は毎日のように新着に出るが、その多くは「作る側の道具」としての話だ。この論文は視点を一つずらして、「遊んでいる最中にAIが動き、それがなければ遊びが成り立たない」ゲームだけを切り出す。パズルやゲームを作る人にとって、これは流行を追う地図というより、設計判断の物差しになりうる。だから紹介したいと思った。

背景

これまでのゲームAI(敵の思考や経路探索など)は、開発時に人が決めた枠の中で動くのが基本だった。難易度を動的に変える仕組みや、『Left 4 Dead』の「AIディレクター」(プレイヤーの緊張度を見て敵の湧きや配分を調整する仕組み)のような実行時の調整もある。しかし著者たちはこれらを「あらかじめ決めた条件分岐の中から選ぶだけの仕組み」と整理する。プレイヤーが意味しうることの範囲そのものが実行時に広がる、という性質はそこにはなかった。

大規模言語モデル(LLM。大量の文章で訓練され、言葉を解釈し生成する仕組み)は、この前提を変えた。プレイヤーの自由な言葉を解釈し、その場で応答や物語を生成できる。ただし同時に、一貫性の崩れ、事実の作り話(ハルシネーション)、待ち時間、安全性、そして呼び出すたびに発生する費用という不安定さも持ち込む。ゲームは「ルールが一定で、反応が信頼でき、状態が持続する」ことを求めるので、この不安定さは特に痛い。ここに、生成の自由と遊びの構造をどう両立させるか、という本論文の中心問題がある。

アプローチ / 方法

著者たちの方法は、まず定義を厳しく絞ることから始まる。「AIネイティブゲーム」とは、生成AIがゲームの中核ループを成り立たせている本質的な仕組みであり、そのAIを外すと中核の遊びが成立しないか、まったく別物になるゲームを指す。判定は反実仮想(そのAIが無かったらどうなるか、を問う考え方)で行う。ここから三つの必要条件が導かれる——(1)実行時に生成AIが存在する、(2)中核ループがそのAIに依存する、(3)有限の手書き素材や決まりきった仕組みで簡単に置き換えられない、の三つだ。

この三条件を、著者たちは二つの掛け合わせの表に落とす。「生成AIが中核か」と「そもそも目標・ルール・勝敗のあるゲームの形をしているか」を掛け合わせ、AIネイティブ/AI補助(AIはあるが外しても中核は生き残る)/AI境界(AIは中心だがゲームの形が薄い)/対象外、の四つに切り分ける。数式は出てこない。あくまで問いに「はい・いいえ」で答える枠組みだ。

集め方も地道だ。学術論文だけでなく、Steam・itch.io・公式サイト・開発者の説明まで探して候補93本を集め、触れるものは実際に触って確かめ、条件を満たさないものを外して最終的に53本に絞った。各作品を「AIの役割」「AIが埋め込まれた層」「実行時依存の度合い」「入出力の形式」「生成をどう制約しているか」など7つの観点で符号化(コーディング、特徴を分類ラベルに落とす作業)し、そこから二つの分類軸を帰納的に(データから立ち上げる形で)取り出した。

発見

一つ目の軸は「ゲームの型(G)」で、9種類に分かれる。最も多いのは物語アドベンチャー(G1)で53本中24本(45.3%)、次いでRPG(G2)が8本(15.1%)、パズル(G3)が7本(13.2%)と続く(出典:論文 Table IV, Figure 2)。以降は細く長い尾を引く。言葉が生成AIの最も成熟した能力なので、言葉が中心の型に集中するのは自然だ、と著者たちは述べている。

二つ目の軸は「支配的なAIの働き(N)」で、6種類。多い順に、認識的やりとり(N1、隠された情報を引き出す取り調べや推理)が17本(32.1%)、生成的物語/AIゲームマスター(N3、入力に応じて物語世界を続ける)が14本(26.4%)、社会的影響(N2、AIキャラを説得・交渉・懐柔する)が11本(20.8%)。ルールに一番近い「意味の裁定」(N4、行動が成立するかをAIが直接判定する)は6本(11.3%)と少なく、多エージェント模擬(N5)や生成的構築(N6)はさらに少ない(出典:論文 Table V, Figure 3)。N1とN3だけで全体の約6割を占める。

二軸を掛け合わせると、密な組み合わせ(物語アドベンチャー×認識的やりとり、物語×AIゲームマスターなど)は確立した定石で、関係性/伴侶(G8)の行や生成的構築(N6)の列はほぼ空白——未開拓地だと分かる。そして著者たちが繰り返し強調するのは、安定した作品ほど生成AIを「明確な目標・検証できる状態・理解できる帰結」に縛りつけている、という点だ。彼らはこれを「機械的不変項の上での意味的開放性」と呼ぶ。私なりに言い換えれば、プレイヤーには自由に言わせるが、その言葉をゲームの状態へ変換する骨組みは動かさない、ということだと読める。

使いどころ

パズルを作る人にとって、私が一番使えると読むのは「意味の裁定(N4)」の枠だ。たとえば自由記述の呪文を受け付けるパズルを作るなら、AIに丸投げするのではなく、素材・意図・コスト・危険・対抗手段・環境といった隠れた原理で結果を決める、と論文は助言する。実例として、自由に発明した呪文を隠れた基準で採点する OneSpellFitsAll が挙げられている。プレイヤーがAI審判の仕組みについて「理論を立てられる」ことが、理不尽さを避ける鍵だという。

もし取り調べ型・推理型を作るなら、「認識的やりとり(N1)」が定石だ。容疑者は自由に答えてよいが、その知識・動機・嘘は、隠れた事件モデル(裏側に用意した事実の設計図)に根を張らせる。AIは自由に喋るための口ではなく、隠された真実を守る門番として設計する、という発想である。コーパスの Couch Detective や Vaudeville がこの型に入る。

実装で効くのは「提案と検証」の分業だ。モデルには台詞・出来事・アイテム・ルール解釈を「提案」させ、決まりきった仕組み(制約ソルバーや、そのステージが本当にクリア可能かを試す模擬プレイなど)で合法性・一貫性・到達可能性を「検証」し、失敗したら修復・再生成・プレイヤーへの問い直し・手書き内容への退避で受け止める。もし自分がハイパーカジュアルのPCG(Procedural Content Generation、コンテンツの自動生成)を作るなら、この検証段を先に用意してから生成に手を出すべきだ、と読んだ。

費用と待ち時間の話も実務的だ。論文は、Infinite Craft が一度出した組み合わせの結果を保存して再利用する例を挙げ、「キャッシュ(一度計算した結果を貯めて使い回すこと)は、その場限りの生成を持続する状態に変える」と述べる。役割ごとに小さなローカルモデルを使い分ける、頻繁で低リスクな処理はローカルに任せ、稀で影響の大きい生成だけ大きなモデルに回す、といった設計も挙がっている。もし実行時にモデルを呼ぶゲームを作るなら、推論の費用は「隠れた請求書」ではなく最初から設計材料として扱え、という指摘は刺さる。

限界

著者たち自身が認める弱点から書く。これは質的な作品分析であり、53本という規模も、9種類・6種類という分類も、著者らの帰納的な符号化(一人が符号化し二人が見直して合議で確定)に依っている。だから分類の粒度しだいで数は動きうる——実際、関係性/伴侶(G8)が少ないのは設計上の空白なのか符号化の都合なのか判断を保留する、と論文自身が断っている。多くの作品はまだ早期アクセスや試作段階で、この分野は成熟したカテゴリーではなく実験の場だ、というのも著者の言葉だ。

ここで私が付け加えて指摘するのは二点だ。第一に、コーパスは公開され英語圏で見つけやすいSteam・itch.io の作品に偏りうる。日本語圏や、外から見えにくい作品は取りこぼされる恐れがある。第二に、この論文はプレイヤーを対象にした実験や、面白さを測る数値をまだ持たない——「遊べるか」の物差しは今後の課題として提示されているだけだ。反実仮想の定義は美しいが、「中核が崩れるかどうか」の線引きには判断が入る。査読前のプレプリントで被引用もほぼ無い段階である点も、重ねて留保しておきたい。

Fukai の読み

ここは私の解釈だと断って書く。私はこの研究を、PCGの延長というより「設計権限の再配分」の見取り図として読みたい。従来のゲームは中身とルールの大半を発売前に固める。AIネイティブは、その一部——解釈・生成・裁定・世界の変化——を実行時に手放す。だから設計者の仕事は消えるのではなく、制約・インターフェイス・検証器・記憶・退避策を組む方へ移る。設計批評の語彙で言えば、これは「ルールを書く」から「ルールが生まれる場を整える」への移動に近い。パズル作家にとって本当に新しいのは、答えを用意することではなく、AIという審判が学習可能で予測可能に振る舞うよう隠れた原理を設計する仕事なのだ、と私は読む。

おわりに

もっと深く知りたい人へ。この論文の出発点は、Yuqian Sun らの『1001 Nights』で提案された「AIネイティブ」の考え方で、生成AIを周辺の道具ではなく遊びの本体として扱う発想だ。歴史をさかのぼるなら、Mateas と Stern の対話劇『Façade』が、言葉と物語を遊びの主材料にできると示した先祖として挙げられている。この二つを併せて読むと、今のAIネイティブゲームがどこから来たのかの地図が見えてくる。

著者たちは分類の全リスト(53本)を公開のコーパスとしてGitHubで配っている。気になる作品名——Gandalf、OneSpellFitsAll、Infinite Craft、Vaudeville——を実際に触ってみるのが、この記事の続きとしては一番早い。私も今朝、濃いめのドリップコーヒーを淹れながら何本か開いてみた。読むより触るほうが、「AIを外したら成立しないか」という問いは体で分かる。

参考文献

本記事で参照した論文と関連資料:

・AI Native Games: A Survey and Roadmap (Zhiyue Xu, Fandi Meng, Kaijie Xu, Clark Verbrugge, Simon Lucas, Jian Zhao, 2026, arXiv preprint 2607.00527)

・著者らが公開した AIネイティブゲームのコーパス (GitHub)

・関連研究: 対話劇『Façade』(Mateas & Stern) と『1001 Nights』(Yuqian Sun ら) — 本論文が思想的な先祖として挙げる作品